中茵微电子

1. 模型训练与微调 o 基于YOLO系列模型，针对安全帽、反光衣、烟火等特定目标进行数据准备、训练、优化与部署。 o 利用LoRA/QLoRA等技术对开源多模态模型（如LLaVA、Qwen-VL、InternVL等）进行高效微调，提升零样本推理在垂直场景下的准确率。 o 负责模型评估、压缩与推理加速（TensorRT、ONNX等），兼顾精度与实时性。 2. 后端系统开发 o 设计并实现高并发、低延迟的AI推理服务，封装模型API，支持视频流/图片流实时检测。 o 开发任务调度、模型热更新、结果回调等后端模块，保证服务稳定性。 o 与前端、嵌入式团队协作，完成边缘端与云端的协同部署方案。 3. 数据工程与工具链 o 建设数据闭环：收集、清洗、标注、版本管理，构建高质量训练/微调数据集。 o 开发自动化训练与评测Pipeline，支持模型持续迭代。 4. 性能优化与运维 o 分析服务瓶颈，优化GPU/CPU资源利用，降低推理延迟与成本。 o 负责AI服务的监控、日志与告警体系，保障生产环境SLA。

1. 后端开发能力 o 熟悉Python/Golang/Java中至少一种语言，有1年以上后端开发经验。 o 熟悉RESTful/gRPC API设计、异步任务队列（Celery/Redis）、消息队列（Kafka/RabbitMQ）。 o 熟练掌握至少一种Web框架（FastAPI/Flask/Django/Spring Boot）及数据库（PostgreSQL/MySQL，了解时序数据库更佳）。 2. 计算机视觉与模型训练能力 o 深入理解YOLO系列（v5/v8/v9/v10等），有实际训练、调优、部署经验，能处理小目标、遮挡等难题。 o 熟悉多模态视觉语言模型（VLM）的基本原理，有使用LoRA/QLoRA进行微调的实际项目经验（LLaVA/InternVL/Qwen-VL等）。 o 熟练使用PyTorch，掌握主流训练框架（Ultralytics、HuggingFace Transformers、LLaMA-Factory等）。 3. 工程落地能力 o 有模型导出与加速经验（ONNX、TensorRT、OpenVINO之一）。 o 熟悉Docker、K8s，能在云原生环境中部署AI服务。 o 了解RTSP/GB28181等视频流协议，有视频抽帧、批处理优化经验者优先。